基于RBFNN的智能车辆转向系统的预设性能控制

针对存在模型非线性和参数不确定性的智能车辆转向系统的预设性能跟踪控制问题,采用径向基函数神经网络对转向系统中的不确定非线性进行在线逼近,结合障碍Lyapunov函数技术为智能车辆的线控转向系统设计预设性能控制器。在控制器设计中,采用动态增益技术补偿控制增益未知对系统控制性能的影响。利用Lyapunov方法分析系统的稳定性,证明在控制器作用下,前轮转角的跟踪误差在预设的时间内收敛至原点预设的邻域;通过数值仿真和整车实验验证了控制方法的合理性。

一种控制增益函数未知的自适应模糊控制

针对一类控制增益函数未知的、含有不确定项的非线性系统,为实现其跟踪控制目标,提出了一种鲁棒直接自适应模糊控制方法.该方法仅要求控制增益函数为有界函数,用广义模糊双曲正切模型逼近一个与控制增益函数无关的新颖的等价控制器,并为消除系统中的不确定项和逼近误差设计了一个双曲形式的鲁棒补偿控制项,从而保证了系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界,控制输入平滑没有抖振.利用Lyapunov函数证明了该算法的有效性,并用倒立摆仿真实例进行了验证.

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.

一类控制方向未知不确定性系统的自适应迭代学习控制

采用了一种自适应迭代学习的控制方法,对于一类含有未知控制方向以及参数化和非参数化不确定性系统进行了研究.结合连续的Nussbaum增益技术,很好地处理了系统中控制方向未知的问题.在满足局部Lipschitz连续条件下,非参数化不确定性可以得到有效的解决.通过构造微分-差分耦合参数自适应律,提出一种自适应迭代学习控制方案,保证系统跟踪误差沿迭代轴方向渐进收敛于零.基于一个构造的Lyapunov泛函,给出闭环系统收敛的一个充分条件.实例仿真结果验证了设计方法是有效的.

带有未知控制增益的多智能体系统的自适应一致性

目的研究带有未知增益的一阶多智能体系统在无向连通拓扑下的一致性。方法设计了带有Nussbaum函数的自适应控制协议,与一般的Nussbaum函数不同,文中所选用的函数不仅有很快的变化速度而且极易求积分,另外,所提出的控制协议不需要设计增益的先验值和符号信息。结果与结论采用Lyapunov方法,给出了最终的一致性条件,并通过仿真说明了所得结论的有效性。

控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。